Post on 10-Jul-2022
ACTIVIDADES OPERATIVAS Y DE
INVESTIGACION PARA GENERAR
PREDICCIONES CLIMATICAS MENSUALES
MEDIANTE LOS SISTEMAS DE
MODELAMIENTO NUMERICO CWRF, CMM5 Y
CAM.
Alexander Rojas Ruız
Instituto de Hidrologıa, Meteorologıa y Estudios Ambientales IDEAM
Ministerio de Ambientey desarrollo sostenible
Subdireccion de Meteorologıa
Bogota, Colombia
ACTIVIDADES OPERATIVAS Y DE
INVESTIGACION PARA GENERAR
PREDICCIONES CLIMATICAS MENSUALES
MEDIANTE LOS SISTEMAS DE
MODELAMIENTO NUMERICO CWRF, CMM5 Y
CAM.
Alexander Rojas Ruız
Informe de actividades desarrolladas en el marco del contrato prestaciAsn de
servicios No 120 del 2012
Instituto de Hidrologıa, Meteorologıa y Estudios Ambientales IDEAM
Ministerio de Ambientey desarrollo sostenible
Subdireccion de Meteorologıa
Bogota, Colombia
jonathanTABLA DE CONTENIDO
Indice de figuras IV
0.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.2. Marco teorico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.2.1. Variabilidad intra-estacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.2.2. Flujos potenciales: Funcion de corriente y Velocidad potencial . . . . . . . . . . . . 2
0.2.3. Algoritmo SOM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
0.3. Metodologıa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
0.4. Resultados y Discusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
0.5. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Bibliografıa 12
iii
jonathanINDICE DE FIGURAS
1. Esquema de oscilacion Madden and Julian: Cada panel representa un estado atmosferico con una duracion de aproximadamente
6 dıas y en un orden consecutivo. Las flechas indican la direccion del viento; la linea curva de la parte superior la altura de la
tropopausa; la linea curva inferior representa la anomalıa de la presion superficial; la zona sombreada indica una baja presion y las
zonas de aumento de conveccion se senalan con nubes. (Tomado de [15]) . . . . . . . . . . . . . . . . . . . . . . . 2
2. Mapa de kohonen, izquierda: numero de hits por neurona, derecha: error de cada neurona. 7
3. Mapa de kohonen representando la distancia entre vecinos representado de dos manerasdiferentes: en la figura izquierda la escala de grises determina la distancia (Matriz U) y enla figura de la derecha el tamano de la celda determina la similaridad del patron con el desus vecinos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4. Representacion grafica de la probabilidad de cambio de estado (patron) del campo deanomalıa de velocidad potencial en la isobara de 200hPa, para el periodo 1982-2010 . . . 11
iv
0.1. INTRODUCCION 1
0.1. Introduccion
Convencionalmente el oficio del meteorologo ha sido el pronostico de las condiciones atmosfericas
principalmente de periodos que van desde unas cuantas horas hasta unos pocos dıas, para el caso de
tiempo, y de periodos estacionales a anos, para el caso del clima. Sin embargo, esta practica deja un gran
vacıo para los eventos que tienen lugar en el lapso de tiempo que se conoce como la escala intra-estacional
el cual esta comprendido entre 10 y 90 dıas aproximadamente. ....
0.2. Marco teorico
0.2.1. Variabilidad intra-estacional
El estudio de la variabilidad estacional se origina en la posibilidad de analizar un amplio rango de
frecuencias en los espectros de series de tiempo junto con un gran interes con la de comportamientos
ondulatorios de la atmosfera en la franja tropical, lo cual evidencia con los trabajos realizados por Yanai
et al ; Wallace and Chang en los anos 1968 y 1969 respectivamente; y por supuesto el trabajo de Madden
y Julian en 1971 ([14]), en el cual describen una perturbacion en el viento zonal troposferico que senalaba
con bastante claridad una periodicidad entre 40 y 50 dıas. Este hallazgo abre el camino de la variabilidad
intra-estacional como un area de de investigacion que hasta el dıa de hoy es de gran interes.
Madden y julian realizan un analisis exploratorio de las series de tiempo diarias de presion, vientos,
temperatura y humedad en niveles que abarcaban desde la superficie hasta sobrepasar la tropopausa, de
la isla de Kanton (172oW , 3oS) para el periodo de 1957 a 1967. Entre sus analisis aplican la tecnica de
espectro cruzado entre el viento zonal u en la baja troposfera (por debajo de 500hPa) y la alta troposfera
(por encima de 500hPa). Mediante este procedimiento que sirve para obtener informacion acerca de la
co-variabilidad de las series, en funcion del tiempo, dichos autores hallaron una diferencia de fase de 180o
entre las series mencionadas para un periodo alrededor de los 50 dıas, en otras palabras, viento zonal en
la baja troposfera se mueve en direccion contraria que en la alta troposfera durante un periodo cercano a
los 50 dıas.
La oscilacion de Madden y Julian (MJO por su sigla en ingles) se puede describir esquematicamente
como una perturbacion que viaja con direccion hacia el este la cual consiste en un una estructura vertical
del viento caracterizada por el desfase mencionado entre las capas inferiores y superiores de la troposfera
acompanado por bajas presiones en superficie, altas temperaturas troposfericas, bajas en los 100hPa
que se puede entender como una mayor altura de la tropopausa y adicionalmente una alta razon de
mezcla de vapor de agua. Dado que esta perturbacion de la estructura vertical del viento en la resulta
en convergencia en niveles bajos, divergencia en niveles altos de la troposfera junto con las variaciones
atmosfericas mencionadas el fenomeno entiende como una configuracion de conveccion profunda que se
propaga hacia el este sobre la franja tropical.
La figura 1 presenta el esquema con el cual Madden y Julian describen la oscilacion, en este se
muestran una serie de paneles en donde cada uno representa un estado atmosferico con una duracion de
aproximadamente 6 dıas y en un orden consecutivo. Las flechas indican la direccion del viento; la linea
curva de la parte superior la altura de la tropopausa, sugerida por la temperatura en 100hPa; la linea
0.2. MARCO TEORICO 2
curva inferior representa la anomalıa de la presion superficial, en donde la zona sombreada indica una
baja presion y las zonas de aumento de conveccion se senalan con nubes.
Figura 1: Esquema de oscilacion Madden and Julian: Cada panel representa un estado atmosferico con una duracion de aproximadamente 6 dıas yen un orden consecutivo. Las flechas indican la direccion del viento; la linea curva de la parte superior la altura de la tropopausa; la linea curva inferiorrepresenta la anomalıa de la presion superficial; la zona sombreada indica una baja presion y las zonas de aumento de conveccion se senalan con nubes.(Tomado de [15])
0.2.2. Flujos potenciales: Funcion de corriente y Velocidad potencial
El teorema de Helmholtz dice que cualquier campo vectorial ~V que sea lo suficientemente suave, que
para el caso en cuestion significa que la divergencia y el rotacional posean potenciales, es decir que sean
diferentes de cero, y que se desvanezcan en la aproximacion al infinito, entonces puede ser escrito como la
suma de dos partes: una de ellas libre de divergencia ~Vrot (parte rotacional) y otra irrotacional ~Vdiv (parte
divergente). Es decir que:
~V = ~Vrot + ~Vdiv (1)
donde
∇ · ~Vrot = 0, ∇× ~Vrot 6= 0 (2)
0.2. MARCO TEORICO 3
y
∇ · ~Vdiv 6= 0, ∇× ~Vrot = 0 (3)
Ahora teniendo en cuenta las identidades vectoriales ∇× (∇ ·A) = 0 y ∇ · (∇× ~A = 0) de las ecuaciones
(2) y (3) se deduce que:
~Vdiv = −∇χ (4)
~Vrot = ∇× ψ (5)
en donde χ y ψ se definen como la velocidad potencial y la funcion de corriente, respectivamente. Para
una discusion ms amplia del tema refierase a [26] y [4].
La intensidad del viento divergente es proporcional al gradiente de la velocidad potencial y su direccion
es tal que sale de los valores bajos de velocidad potencial. Teniendo en cuenta lo anterior el campo de
velocidad potencial en niveles altos resulta bastante util para identificar areas en que la la conveccion es
fortalecida, en especial si se evalua el campo de anomalıas en lugar del campo neto.
0.2.3. Algoritmo SOM
Los mapas auto-organizativos o SOMs (Self-Organizing Maps) es una algoritmo matematico perteneciente
a las rama de las redes neuronales artificiales, propuesto formalmente por Teuvo Kohonen en 1981. Su
principal uso es el de abstraer informacion como lo hacen muchas tecnicas de clustering, lo que per-
mite identificar caracterısticas y patrones inmersos en grandes conjuntos de datos, de multiples variables,
generando una aproximacion a la estructura interna y al comportamiento del sistema que estos represen-
tan.
A continuacion se explica de manera esquematica el funcionamiento de un proceso de auto orga-
nizacion : Supongamos que tenemos un conjunto de elementos Mi en un arreglo bi-dimensional regular
(figura ?? ), en donde cada uno de estos, que llamaremos modelos, son la representacion de un conjunto
de valores numericos. Tambien supongamos que existe un espacio de senales de entrada del cual se elige,
puede ser de manera aleatoria, un elemento para que pase a traves de la red de modelos. Cuando esta
entra a la red, se inicia un proceso de eleccion de uno de los modelos al que llamaremos ”ganador”. Esta
eleccion se realiza mediante la comparacion de un grupo de valores internos, que cada modelo representa,
y la senal de entrada mencionada anteriormente, en el desarrollo de este proceso cada modelo ajusta, de
alguna manera, sus valores internos para asemejarse a dicha senal. El modelo ganador es elegido por que
su semejanza con la senal de entrada, es tal que de alguna manera provoca la supresion de este proceso,
para el resto de modelos. Este proceso se conoce como competencia”. Una vez hallado el ganador, los
modelos vecinos ,y unicamente estos, deben ser modificados o ajustados de alguna manera, para que con
la entrada de nuevas senales y por lo tanto nuevas competencias,los modelos cada vez sean mas parecidos,
tanto a las senales de entrada como a los modelos vecinos y a cada ganador. Es importante mencionar que
el modelo ganador para cada ocasion se halla en zonas diferentes del arreglo bi-dimensional en el que se
encuentran inmersas dichos elementos, de tal manera que los ajustes no se realizan siempre en la misma
0.3. METODOLOGIA 4
zona del arreglo, de tal manera que cada zona del arreglo va heredando, de alguna manera las relaciones
existentes entre los elementos del espacio de las senales de entrada, esto ultimo se puede considerar co-
mo un .aprendizaje”por parte de estos elementos. Al final de muchas iteraciones, se obtiene una arreglo
de modelos organizados y con una relacion de tipo topologica entre estos y el espacio de las senales de
entrada.
0.3. Metodologıa
Con el objetivo de estudiar el comportamiento espacio-temporal del campo de velocidad potencial el
cual se considera como una variable explicativa de la variabilidad intraestacional, se procede a generar
patrones de dicho campo y luego a relacionarlos
Se uso un metodo de climatologıa sinoptica bajo la aproximacion circulacion-ambiente (Yarnal 1993),
en la cual se determinaron patrones de circulacion mediante la aplicacion del algoritmo SOM y su aso-
ciacion a la precipitacion sobre el territorio colombiano.
La informacion meteorologica se divide en dos partes una es la relacionada con los campos de gran
escala y la otra corresponde a la informacion local de precipitacion proveniente de las red de estaciones
del IDEAM. La informacion de gran escala consiste en la serie de tiempo del campo diario de viento en
la capa de 250 hPa del Reanalisis NCEP/NCAR ([11]) y para el periodo 1982 a 2010. A partir de esta
serie se calculo el campo de velocidad potencial correspondiente que es con el cual se realizo el presente
estudio, para este fin se utilizo como herramienta la funcion ”uv2sfvpg ımplementada en el NCAR command
Language (NCL).
La informacion local consiste de series diarias de precipitacion que provienen de un grupo de estaciones
meteorologicas de la red del IDEAM, cuya ubicacion se distribuye sobre todo el territorio colombiano,
las cuales fueron previamente homogeneizadas (ver [?]) y su extension contiene el periodo 1982-2010. La
intension es enfocarse en el caracter intra-estraestacional de la precipitacion en Colombia y posteriormente
relacionarlo con un fenomeno de gran escala, por lo tanto es necesario tratar dicha informacion con el fin
de realzar el su comportamiento en las escalas temporales y espaciales mencionadas, visto de otra manera
se necesita aislar las series de la influencia de fenomenos con duracion diferente como lo son los de caracter
estacional, ası como la influencia de fenomenos de caracter local, los cuales entre otros, pueden estar dados
por la orografıa, vegetacion y uso del suelo de la ubicacion de la estacion. Para lograr lo anteriormente
mencionado a cada una de las series se les aplico un filtro pasa bajos que consiste de una media movil de 90
dıas y posteriormente esta fue restada de la serie original aislando de esta forma la influencia estacional de
la serie. por otro lado, para superar la influencia espacial la estrategia implementada consistio en agrupar
las estaciones de acuerdo a las 23 regiones de precipitacion sugeridas por Hurtado ([6]) presentadas en
el mapa (1) y posteriormente se crearon un par de series diarias por cada una de las regiones a partir
del promedio y la media de los datos para cada dıa. Sin embargo, para poder realizar este procedimiento
previamente las series filtradas de cada una de las estaciones fueron divididas por su respectiva desviacion
estandar con el fin de que sus valores fueran comparables entre las diferentes series.
De manera similar se crearon 5 series adicionales a partir del promedio y la media de los datos,
pero esta vez agrupados por regiones mas amplias que incluyen las estaciones de varias de las regiones
0.4. RESULTADOS Y DISCUSION 5
antes mencionadas. Para la zona norte de Colombia se agruparon las regiones 1 a 4; para el occidente se
agruparon las regiones 5 a 7; para la region sur-andina se agruparon las regiones 8, 9, 11 y 23; para la
zona norte-andina se agruparon las regiones 10, 12 y 15 y para la zona oriental del paıs se agruparon la
regiones 16 a 22 (ver mapa 1).
Mapa 1: Regiones de precipitacion segun su regimen ([6]).
0.4. Resultados y Discusion
La figura 3 presenta la matriz distancia y la matriz de similaridad entre vecinos del mapa de Kohonen
para el campo de anomalıa de la velocidad potencial en la capa de 200hPa, en estos se aprecian dos zonas
principales con baja distancia alta similaridad entre vecinos, una en sentido horizontal en la parte superior
del mapa constituida por las dos primeras filas y otra de manera similar en la parte inferior del mapa
constituida por las dos ultimas filas, estas dos estan separadas por las filas del medio las cuales generan
un grupo bastante heterogeneo en especial en las neuronas de la derecha. Las neuronas que componen los
grupos mencionados al presentar similaridad entre ellas deben poseer caracterısticas semejantes.
Los patrones correspondientes a las neuronas de la fila superior (ver Matriz 4) comparten la carac-
terıstica de poseer la zona divergente (contornos verdes, valores negativos) cerca del continente americano
y la zona convergente (contornos naranja, valores positivos) sobre el continente asiatico y australiano lo
que es casi opuesto al los patrones de la zona inferior del mapa de Kohonen. Sin embargo en el grupo de
neuronas de la zona superior (ver Matriz 4) existen tambien diferencias las cuales se revelan al observar
0.4. RESULTADOS Y DISCUSION 6
los patrones de la izquierda y de la derecha, en los primeros la ubicacion de la parte central de los con-
tornos con caracterısticas convergentes y divergentes se encuentran con una posicion mas al este que los
pertenecientes a los patrones de la parte derecha de dicha zona, que para mayor precision se tienden a
ubicarse al oeste del continente americano, es decir sobre el este del Oceano Pacifico.
Las neuronas de la parte inferior del mapa de Kohonen (ver Matriz 4) presentan un campo con
caracterısticas opuestas a las neuronas del grupo de la parte superior en el sentido que en estas los centros
de los contornos divergentes y convergentes se ubican en extremos opuestos, es decir mientras que en el
grupo superior el contorno divergente se ubica al este del contorno convergente en las del grupo inferior los
contornos divergentes se ubican al oeste de los convergentes. En estos patrones hay contornos convergentes
sobre el territorio colombiano, sin embargo en los ubicados en la zona izquierda el centro de los contornos
se ubica principalmente mientras que los de la derecha se ubican sobre la parte continental, en especial los
patrones correspondientes a las neuronas 29, 30, 35 y 36 en los cuales adicionalmente la zona divergente
se encuentra sobre el oceano Pacıfico.
Frecuencia del patron
150 200 250 300 350 400 450 500
Error
1.75 1.8 1.85 1.9 1.95 2 2.05 2.1 2.15 2.2
x 108
Figura 2: Mapa de kohonen, izquierda: numero de hits por neurona, derecha: error de cada neurona.
0.4. RESULTADOS Y DISCUSION 7
Distancia entre vecinos
5 6 7 8
x 107
Matriz de similaridad
Figura 3: Mapa de kohonen representando la distancia entre vecinos representado de dos maneras difer-entes: en la figura izquierda la escala de grises determina la distancia (Matriz U) y en la figura de laderecha el tamano de la celda determina la similaridad del patron con el de sus vecinos
Por otra parte en el mapa de Kohonen 2 y la matriz 1se aprecia que dunte el periodo de estudio
los patrones se repiten 200 y 500 dıas, excepto por los patrones 11 y 26 que tienen valores de 153 y 135
dıas respectivamente. Los dos patrones mas con mayor frecuencia (469 y 500 dıas) se encuentran ubicados
en extremos opuestos (neuronas 1 y 36) por lo cual en acorde con las propiedades del algoritmo SOM
presentan caracterısticas totalmente diferentes, las cuales en este caso son opuestas como se puede ver
en la matriz 4, en donde se aprecia que para la neurona 1 el patron presenta los contornos divergentes
sobre America y los contornos convergentes sobre el la mayor parte del oceano Pacıfico, y parte de Asıa y
Australia, en el patron correspondiente a la neurona 36 los contornos divergentes y convergentes se ubican
de manera inversa.
469 188 250 387 448 337219 220 214 203 135 340388 225 287 309 282 296268 258 313 296 231 412326 153 227 227 235 224329 329 440 338 199 500
Matriz 1: Numero de hits por neurona (dıas).
En la matriz 3 se consigna el tiempo promedio de permanencia en la atmosfera para cada uno de
los patrones, en ella se puede ver que que los patrones tienden a permanecer entre 2 y 4 dıas, y que los
valores por encima de 3 dıas se presentan en el contorno exterior del mapa de Kohonen entre los cuales se
0.4. RESULTADOS Y DISCUSION 8
encuentran las filas superior e inferior de las cuales ya hemos hecho algunas anotaciones anteriormente.
De nuevo los valores mas altos los poseen las neuronas 1 y 36, de esta manera, teniendo en cuenta que
son los patrones (estados) mas frecuentes y mas duraderos podrıamos concluir que representan estados
dominantes, no sin antes hacer la salvedad de que hacen parte de las neuronas con mayor error (vease
figura 2), lo que indica que el grupo de campos diarios que siguen tales patrones presenta una mayor
variedad.
3.97 2.38 2.46 2.85 3.61 3.502.46 2.30 2.19 2.44 2.19 3.282.91 2.53 2.38 2.40 2.36 2.622.31 2.27 2.54 2.49 2.28 3.022.82 2.46 2.54 2.24 2.48 2.483.13 2.85 2.78 2.63 2.18 3.86
Matriz 2: Tiempo promedio de permanencia de cada patron (dıas)
En la tabla 4 se presenta la precipitacion promedio en desviaciones estandar de los dıas que corre-
sponden a cada patron, a partir de una matriz (mapa de Kohonen) para cada una de las cinco amplias
zonas del paıs mencionadas en la metodologıa. En todas ellas, exceptuando la correspondiente a la zona
oriental, se aprecia claramente que los valores mas altos de precipitacion diaria promedio corresponden a
los patrones de ubicados en la fila superior y los mas bajos en la fila inferior, lo que concuerda bien con la
distribucion de los contornos del campo de velocidad potencial antes mencionados. Recuerdese que en los
patrones de la fila superior la zona divergente se encuentra sobre el continente americano, mientras que
en los de la fila inferior sobre este continente , por el contrario, se ubica la zona divergente.
0.4. RESULTADOS Y DISCUSION 9
Tabla 0.1: Precipitacion promedio por patron en terminos de desviaciones estandar, para las diferenteszonas como agrupaciones de regiones del el mapa 1
0.45 0.41 0.47 0.42 0.34 0.290.42 0.36 0.33 0.33 0.31 0.220.41 0.39 0.32 0.31 0.29 0.230.32 0.34 0.32 0.31 0.27 0.210.37 0.26 0.29 0.23 0.27 0.220.25 0.21 0.21 0.24 0.17 0.16
(a) Zona Norte (regiones 1 a 4)
0.44 0.45 0.50 0.52 0.46 0.430.43 0.42 0.42 0.41 0.43 0.350.44 0.41 0.36 0.41 0.41 0.340.37 0.39 0.40 0.37 0.37 0.290.35 0.30 0.33 0.37 0.32 0.320.27 0.27 0.28 0.31 0.27 0.24
(b) Zona occidental(regiones 5 a 7)
0.52 0.49 0.54 0.55 0.53 0.440.47 0.49 0.47 0.42 0.39 0.330.43 0.49 0.41 0.40 0.38 0.290.45 0.41 0.40 0.37 0.35 0.230.37 0.39 0.37 0.35 0.33 0.260.29 0.31 0.29 0.30 0.24 0.21
(c) Zona Sur-Andina (regiones 8, 9, 11 y 23)
0.60 0.57 0.57 0.57 0.54 0.450.52 0.48 0.43 0.45 0.38 0.330.53 0.50 0.42 0.41 0.39 0.310.41 0.40 0.40 0.36 0.39 0.240.43 0.40 0.36 0.33 0.30 0.290.31 0.30 0.25 0.28 0.21 0.20
(d) Zona Norte-Andina (regiones 10, 12 y 15)
0.37 0.37 0.44 0.43 0.45 0.410.40 0.41 0.40 0.44 0.40 0.470.39 0.38 0.38 0.42 0.46 0.410.35 0.39 0.40 0.39 0.44 0.410.40 0.39 0.46 0.43 0.42 0.400.33 0.39 0.40 0.43 0.41 0.43
(e) Zona Oriente (regiones 16 a 22)
0.4. RESULTADOS Y DISCUSION 10
neu
N1
N2
N3
N4
N5
N6
N7
N8
N9
N10
N11
N12
N13
N14
N15
N16
N17
N18
166.5
28.5
313.6
50.2
10.4
30.0
06.1
81.0
70.4
30.2
10.0
00.0
00.4
30.2
10.2
10.0
00.0
00.0
0
28.6
830.5
931.5
13.2
00.0
00.0
03.2
06.8
510.0
51.8
30.0
00.0
00.0
00.9
12.2
80.4
60.0
00.0
0
32.8
43.6
147.6
820.6
218.0
40.5
20.2
61.0
33.3
51.5
50.2
60.0
00.0
00.0
00.2
60.0
00.0
00.0
0
40.0
00.7
55.9
930.3
422.4
73.3
70.0
00.0
03.3
712.3
612.7
31.8
70.0
00.0
01.1
20.7
53.0
00.7
5
50.0
00.0
03.3
75.5
246.9
331.6
00.0
00.0
00.0
00.3
17.9
83.6
80.0
00.0
00.0
00.0
00.3
10.3
1
60.0
00.0
00.3
00.6
14.5
654.4
10.0
00.0
00.0
00.3
03.6
531.0
00.0
00.0
00.0
00.0
01.2
23.6
5
721.8
121.2
82.1
30.0
00.0
00.0
027.1
38.5
14.2
60.0
00.0
00.0
08.5
12.6
61.6
00.0
00.0
00.0
0
83.6
410.4
51.8
20.9
10.0
00.0
08.6
425.4
516.8
21.8
20.0
00.0
02.7
37.7
313.1
81.8
20.4
50.0
0
90.8
95.7
812.8
916.8
91.3
30.0
00.0
07.5
625.7
811.1
12.2
20.0
00.4
40.0
011.5
62.6
70.8
90.0
0
10
0.0
00.7
81.1
68.9
12.7
10.3
90.0
00.3
96.5
927.1
35.8
11.1
60.0
00.0
08.9
115.8
98.9
11.1
6
11
0.0
00.0
00.0
02.6
17.8
49.8
00.0
00.0
00.0
011.1
122.8
818.9
50.0
00.0
00.0
00.0
015.0
38.5
0
12
0.0
00.0
00.0
00.9
10.6
14.8
60.0
00.0
00.0
00.6
12.7
439.8
20.0
00.0
00.0
00.0
03.3
440.7
3
13
5.2
03.6
00.4
00.0
00.0
00.0
017.2
07.6
01.6
00.4
00.0
00.0
040.4
08.4
03.2
00.0
00.0
00.0
0
14
0.4
70.9
30.0
00.0
00.0
00.0
04.6
715.4
22.3
40.4
70.0
00.0
014.4
920.5
69.3
50.4
70.0
00.0
0
15
0.0
01.7
40.3
51.0
50.3
50.0
01.0
58.7
112.5
410.8
00.0
00.0
00.7
04.8
827.8
712.2
01.7
40.3
5
16
0.0
00.0
00.0
00.6
40.3
20.0
00.0
00.9
62.5
610.8
60.9
60.9
60.0
00.3
29.5
830.9
97.9
91.6
0
17
0.0
00.0
00.0
01.7
60.0
01.3
20.0
00.0
00.8
87.9
35.7
36.6
10.0
00.0
00.4
410.1
333.9
212.7
8
18
0.0
00.0
00.0
00.0
00.0
00.2
30.0
00.0
00.0
00.0
00.0
05.6
80.0
00.0
00.0
00.4
53.8
642.5
0
19
13.7
00.0
00.0
00.0
00.0
00.0
05.1
71.2
90.0
00.0
00.0
00.0
016.0
23.3
60.0
00.2
60.0
00.0
0
20
0.9
90.0
00.0
00.0
00.0
00.0
01.4
80.9
90.0
00.0
00.0
00.0
04.4
315.2
71.4
80.0
00.0
00.0
0
21
0.0
00.3
20.0
00.0
00.0
00.0
00.6
55.5
01.2
90.6
50.0
00.0
02.5
912.9
413.2
77.7
70.0
00.0
0
22
0.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.3
40.0
00.0
00.3
40.6
82.7
010.4
70.6
80.0
0
23
0.0
00.0
00.0
00.0
00.0
00.0
00.0
00.4
40.0
01.7
60.0
00.8
80.0
00.0
00.4
412.3
39.6
96.1
7
24
0.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.5
90.0
00.0
00.0
00.5
91.4
810.9
5
25
1.5
60.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
01.3
40.0
00.0
00.0
00.0
00.0
0
26
0.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.7
44.4
40.0
00.0
00.0
00.0
0
27
0.0
00.3
50.0
00.0
00.0
00.0
00.0
00.3
50.0
00.3
50.0
00.0
01.0
64.9
61.4
22.8
40.0
00.0
0
28
0.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.4
30.0
01.7
30.0
00.0
0
29
0.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.4
30.0
00.0
00.0
00.0
00.0
01.2
80.4
30.4
3
30
0.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.5
0
31
0.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
32
0.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.2
90.0
00.0
00.0
00.0
00.0
0
33
0.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.6
80.0
00.0
00.0
00.0
0
34
0.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
35
0.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
36
0.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
neu
N19
N20
N21
N22
N23
N24
N25
N26
N27
N28
N29
N30
N31
N32
N33
N34
N35
N36
11.7
10.2
10.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
20.4
60.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
30.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
40.0
00.0
00.7
50.0
00.3
70.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
50.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
60.0
00.0
00.0
00.0
00.0
00.3
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
71.6
00.5
30.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
80.0
00.9
13.1
80.4
50.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
90.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
10
0.0
00.0
03.1
01.9
44.2
60.3
90.0
00.0
00.3
90.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
11
0.0
00.0
00.0
00.6
51.9
60.6
50.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
12
0.0
00.0
00.0
00.0
00.9
15.1
70.0
00.0
00.0
00.0
00.0
00.3
00.0
00.0
00.0
00.0
00.0
00.0
0
13
8.8
02.0
01.2
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
14
6.0
78.4
110.2
80.4
70.0
00.0
00.9
31.4
03.2
70.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
15
0.0
00.0
09.7
62.7
91.0
50.0
00.0
00.0
01.3
90.7
00.0
00.0
00.0
00.0
00.0
00.0
00.0
00.0
0
16
0.3
20.3
26.0
710.2
29.9
00.0
00.0
00.0
00.6
41.6
02.5
60.0
00.0
00.0
00.0
00.3
20.0
00.3
2
17
0.0
00.0
00.4
41.7
610.5
75.2
90.0
00.0
00.0
00.0
00.4
40.0
00.0
00.0
00.0
00.0
00.0
00.0
0
18
0.0
00.0
00.0
00.2
37.0
524.5
50.0
00.0
00.0
00.2
31.5
95.6
80.0
00.0
00.0
00.0
00.0
07.9
5
19
44.4
44.1
30.5
20.0
00.0
00.0
09.3
01.0
30.5
20.0
00.0
00.0
00.2
60.0
00.0
00.0
00.0
00.0
0
20
12.8
127.5
96.9
00.9
90.0
00.0
05.9
18.8
77.8
80.9
90.4
90.0
00.0
01.4
80.9
90.0
00.4
90.0
0
21
0.6
53.2
424.9
29.7
10.6
50.0
00.3
20.9
710.3
61.9
40.6
50.3
20.0
00.0
01.2
90.0
00.0
00.0
0
22
0.0
00.3
417.2
325.6
83.7
20.6
80.0
00.3
410.8
111.4
97.7
70.3
40.0
00.0
03.3
81.3
51.6
90.0
0
23
0.0
00.0
00.8
89.2
522.9
112.3
30.0
00.0
00.0
03.9
616.3
01.7
60.0
00.0
00.0
00.4
40.4
40.0
0
24
0.0
00.0
00.0
02.3
75.9
235.2
10.0
00.0
00.0
01.1
810.9
520.7
10.0
00.0
00.0
00.5
91.7
87.6
9
25
26.3
43.3
50.0
00.0
00.0
00.0
059.3
82.0
10.2
20.2
20.0
00.0
05.3
60.2
20.0
00.0
00.0
00.0
0
26
8.1
519.2
62.9
60.0
00.0
00.0
014.8
118.5
211.1
10.0
00.0
00.0
08.8
98.1
52.9
60.0
00.0
00.0
0
27
1.4
210.2
815.9
67.0
90.3
50.3
50.7
14.2
628.0
16.0
30.3
50.0
00.7
11.4
210.9
90.3
50.3
50.0
0
28
0.0
00.8
74.3
315.1
50.8
70.4
30.0
01.7
317.3
223.8
16.4
90.8
70.0
00.8
79.0
910.8
24.7
60.4
3
29
0.0
00.0
00.8
515.3
210.2
16.3
80.0
00.0
00.4
311.9
125.1
14.6
80.0
00.0
01.2
84.6
813.6
22.9
8
30
0.0
00.0
00.0
01.5
11.5
113.0
70.0
00.0
00.0
03.0
210.5
526.6
30.0
00.0
00.0
02.0
113.5
727.6
4
31
1.1
91.4
80.0
00.0
00.0
00.0
028.4
92.6
70.0
00.0
00.0
00.0
062.3
13.8
60.0
00.0
00.0
00.0
0
32
0.2
91.4
70.0
00.0
00.0
00.0
03.2
47.9
40.8
80.0
00.0
00.0
024.4
152.3
57.9
41.1
80.0
00.0
0
33
0.3
43.0
43.3
80.0
00.0
00.0
00.6
86.0
813.1
84.7
30.0
00.0
01.0
123.3
132.7
710.1
40.6
80.0
0
34
0.0
00.2
40.2
40.7
30.0
00.0
00.0
00.4
91.4
64.6
10.2
40.0
00.4
914.0
821.1
249.0
35.1
02.1
8
35
0.0
00.0
00.4
54.0
21.7
90.4
50.0
00.0
00.8
912.0
57.5
92.6
80.0
00.0
04.0
226.7
931.7
07.5
9
36
0.0
00.0
00.0
00.0
00.0
01.0
00.0
00.0
00.0
00.2
01.0
05.0
00.0
00.2
00.2
013.4
09.2
069.8
0
Mat
riz
3:P
rob
abilid
ad
de
cam
bio
de
esta
do
(patr
on)
enp
orc
enta
je
0.4. RESULTADOS Y DISCUSION 11
Mat
riz
4:
Pat
ron
esde
anom
alıa
de
velo
cid
ad
pote
nci
al
(x106
s−1)
enla
isobara
de
200hP
a,
para
elp
erio
do
1982-2
010
0.5. CONCLUSIONES 12
Figura 4: Representacion grafica de la probabilidad de cambio de estado (patron) del campo de anomalıade velocidad potencial en la isobara de 200hPa, para el periodo 1982-2010
0.5. Conclusiones
Agradecimientos
la cual fue adquirida de la pagina web de la NOAA/OAR/ESRL PSD NCEP Reanalysis data provided
by the NOAA/OAR/ESRL PSD, Boulder, Colorado, USA, from their Web site at http://www.esrl.noaa.gov/psd/
jonathanBIBLIOGRAFIA
[1] Angel, Munoz [u. a.]: An Environmental Watch System for the Andean countries: El ObservatorioAndino. En: submitted, BAMS2958.1 (2010)
[2] B., Mark H. ; Hagan, Martin T. ; Demuth, Howard B.: Neural Network ToolboxTM 7 GettingStarted Guide. 3 Apple Hill Drive Natick, MA 01760-2098 : The MathWorks, Inc., 2011
[3] B., Mark H. ; Hagan, Martin T. ; Demuth, Howard B.: Neural Network ToolboxTM 7 User’s Guide.3 Apple Hill Drive Natick, MA 01760-2098 : The MathWorks, Inc., 2011
[4] B. Arfken, H. W.: Mathematical Methods for Physicists. Harcourt Academic Press, 2001
[5] CDC-NOAA. ftp://ftp.cdc.noaa.gov/Datasets/ncep.reanalysis.dailyavgs/. 2011
[6] Hurtado, G.: La precipitacion en Colombia. IDEAM - Bogota D.C,Colombia : Nota tecnica, IDEAM,2000
[7] IDEAM: Atlas climatologico de Colombia, Primera parte. Bogota D.C, Colombia. : ISBN 958-8067-14-6, 2000
[8] IDEAM: Atlas climatologico de Colombia, Tercera parte. Bogota D.C, Colombia. : ISBN 958-8067-14-6, 2000
[9] istitucional istitucional istitucional istitucional, IDEAM:portal. Precipitacion porcentualrespecto a la media VS ONI. 2011
[10] K., Smith R. Lectures on Tropical Meteorology. 2003
[11] Kalnay [u. a.]: The NCEP/NCAR 40-year reanalysis project. En: Bull. Amer. Meteor. Soc. 77(1996), p. 437–470
[12] Krishnamurti, T. N.: Compendium on Tropical Meteorology for Aviation purposes. Geneva-Switzerland : World Mweteorological Organization, 2003
[13] Laing [u. a.]. Introduction to Tropical Meteorology. The COMET Program. 2010
[14] Lau, W. ; Waliser, D.: Intraseasonal Variability in the Atmosphere–Ocean Climate System. BerlinHeidelberg : Springer–Praxis, 2012
[15] Leon, Gloria ; Zea, Jorge ; Eslava, Jesus: Sistemas sinopticos de la Amazonia y del Pacıfico. En:Meteorol. Colomb. 2 (2000), p. 39–42
[16] Leon, Gloria ; Zea, Jorge ; Eslava, Jesus: Sistemas sinopticos de la Amazonia y del Pacıfico. En:Meteorol. Colomb. 2 (2000), p. 39–42
[17] Mesa S., Oscar ; Poveda J., German ; Carvajal S., Luis F.: Introduccion al clima de Colombia.Bogota D.C,Colombia : Universidad Nacional de Colombia, 1997
[18] Montealegre, Jose E.: Modelo institucional del IDEAM sobre el efecto climatico de los fenomenosEl Nino y La Nina en Colombia. IDEAM - Bogota D.C,Colombia : Nota tecnica, IDEAM, 2007
BIBLIOGRAFIA 14
[19] Montealegre, Jose E.: Estudio de la Variabilidad Climatica de la Precipitacion en Colombia Aso-ciada a Procesos Oceanicos y Atmosfericos de Meso y Gran Escala. IDEAM - Bogota D.C,Colombia: Nota tecnica, IDEAM, 2009
[20] Randall, D.A. ; Wood, R.A. ; Bony ; Colman, R.: Cilmate Models and Their Evaluation. In:Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the FourthAssessment Report of the Intergovernmental Panel on Climate Change. (2007)
[21] Storch, Hans V. ; Zwiers., Francis W.: Statistical Analysis in Climate Research. The Pitt Building,Trumpington Street, Cambridge CB2 IRP : Cambridge University Press, 1999
[22] T., Kohonen: Self-Organizing Maps. Berlin Heidelberg : Springer 3ed., 1995
[23] Vesanto, J. ; J., Himberg ; E., Alhoniemi ; J., Parhankangas: SOM Toolbox for Matlab 5. HelsinskiUniversity of Technology : Tech Report A57, 2000
[24] Wilks, D.S.: STATISTICAL METHODS IN THE ATMOSPHERIC SCIENCES. Elsevier, AcademicPress, 2006
[25] WMO: Guıa del sistema mundial de proceso de datos. Geneva-Switzerland : World MweteorologicalOrganization, 2000 (No. 305)
[26] Zdunkowski, W. ; Bott, A.: Dynamics of the Atmosfhere: A cousre in Theorical Meteorology.Cambridge University Press, 2003